التعلم الآلي بدون معلم. مقتطف من الكتاب

دراسة حالة: التعلم الآلي بدون معلم ، الجزء 2 - متوسط ​​التكتل K

مجموعة بيانات إيريس

14.7.1. تنزيل مجموعة بيانات Iris

In [1]: from sklearn.datasets import load_iris
In [2]: iris = load_iris()

In [3]: print(iris.DESCR)
.. _iris_dataset:
Iris plants dataset
--------------------
**Data Set Characteristics:**
  :Number of Instances: 150 (50 in each of three classes)
  :Number of Attributes: 4 numeric, predictive attributes and the class
  :Attribute Information:
    - sepal length in cm
    - sepal width in cm
    - petal length in cm
    - petal width in cm
    - class:
      - Iris-Setosa
      - Iris-Versicolour
      - Iris-Virginica
  :Summary Statistics:
  ============== ==== ==== ======= ===== ====================
  Min Max Mean SD Class Correlation
  ============== ==== ==== ======= ===== ====================
  sepal length: 4.3 7.9 5.84 0.83 0.7826
  sepal width: 2.0 4.4 3.05 0.43 -0.4194
  petal length: 1.0 6.9 3.76 1.76 0.9490 (high!)
  petal width: 0.1 2.5 1.20 0.76 0.9565 (high!)
  ============== ==== ==== ======= ===== ====================
  :Missing Attribute Values: None
  :Class Distribution: 33.3% for each of 3 classes.
  :Creator: R.A. Fisher
  :Donor: Michael Marshall (MARSHALL%PLU@io.arc.nasa.gov)
  :Date: July, 1988
...

التحقق من عدد العينات والميزات والقيم المستهدفة

In [4]: iris.data.shape
Out[4]: (150, 4)
In [5]: iris.target.shape
Out[5]: (150,)

In [6]: iris.target_names
Out[6]: array(['setosa', 'versicolor', 'virginica'], dtype='<U10')

In [7]: iris.feature_names
Out[7]:
['sepal length (cm)',
'sepal width (cm)',
'petal length (cm)',
'petal width (cm)']

14.7.2. أبحاث Iris Dataset: إحصائيات وصفية في Pandas

In [8]: import pandas as pd
In [9]: pd.set_option('max_columns', 5)
In [10]: pd.set_option('display.width', None)

In [11]: iris_df = pd.DataFrame(iris.data, columns=iris.feature_names)

In [12]: iris_df['species'] = [iris.target_names[i] for i in iris.target]

In [13]: iris_df.head()
Out[13]:
sepal length (cm) sepal width (cm) petal length (cm) \
0 5.1 3.5 1.4
1 4.9 3.0 1.4
2 4.7 3.2 1.3
3 4.6 3.1 1.5
4 5.0 3.6 1.4
petal width (cm) species
0 0.2 setosa
1 0.2 setosa
2 0.2 setosa
3 0.2 setosa
4 0.2 setosa

In [14]: pd.set_option('precision', 2)
In [15]: iris_df.describe()
Out[15]:
sepal length (cm) sepal width (cm) petal length (cm) petal width (cm)
count  150.00           150.00                150.00                  150.00
mean    5.84            3.06                  3.76                     1.20
std     0.83            0.44                  1.77                     0.76
min     4.30            2.00                  1.00                     0.10
25%     5.10            2.80                  1.60                     0.30
50%     5.80            3.00                  4.35                     1.30
75%     6.40            3.30                  5.10                     1.80
max     7.90            4.40                  6.90                     2.50

In [16]: iris_df['species'].describe()
Out[16]:
count 150
unique 3
top setosa
freq 50
Name: species, dtype: object

14.7.3. تصور مجموعة البيانات Pairplot

In [17]: import seaborn as sns
In [18]: sns.set(font_scale=1.1)
In [19]: sns.set_style('whitegrid')
In [20]: grid = sns.pairplot(data=iris_df, vars=iris_df.columns[0:4],
  ...: hue='species')
  ...:

• مجموعة DataFrame مع مجموعة بيانات مرسومة على مخطط ؛
• vars - تسلسل بأسماء المتغيرات المرسومة على الرسم البياني. بالنسبة لمجموعة DataFrame ، تحتوي على أسماء الأعمدة. في هذه الحالة ، يتم استخدام الأعمدة الأربعة الأولى من DataFrame ، والتي تمثل طول (عرض) الإزاحة الخارجية وطول (عرض) الإزاحة الداخلية ، على التوالي ؛
• الصبغة هي عمود من مجموعة DataFrame يستخدم لتحديد ألوان البيانات المرسومة على الرسم البياني. في هذه الحالة ، يتم تلوين البيانات اعتمادًا على نوع القزحية.

ينتج عن زوج الإخراج الناتج لون واحد

In [21]: grid = sns.pairplot(data=iris_df, vars=iris_df.columns[0:4])